Hogyan tanítsuk meg a gépeket látni?

A Cambridge Egyetemen fejlesztett rendszerek felismerik saját és környezetük térbeli elhelyezkedését. A legtöbb vezető nélküli autó radart és LIDAR érzékelőket használ, amelyek szépséghibája, hogy gyakran drágábbak, mint maga a jármű. A két új rendszer viszont nem.

Egyikük, a SegNet közönséges kamerával vagy okostelefonnal valós időben azonosítja a felhasználó helyzetét, az irányt, az úton történtek sok elemét, és olyan helyeken is működik, ahol a GPS nem (alagút, belső terek stb.). Rögzít, majd 12 különféle kategória (utak, útjelző táblák, gyalogosok, épületek, kerékpárosok stb.) alapján osztályoz képeket.

Kezeli a fényt, árnyékot, éjszakai környezeteket, a pixelek 90 százalékát pontosan címkézi. Korábbi rendszerek drága lézer- vagy radaralapú szenzorai valós időben nem érték el ezt a szintet.

Fejlesztéséhez 5 ezer kép minden egyes pixelét manuálisan címkézték fel. Egy kép 30 percig tartott. A címkézést követően városi utakon és autópályákon is gyakoroltatták. Sikerrel járt, de még akad rajta javítanivaló: például vidéki, havas és kihalt közegben is le kell tesztelni. Egyelőre nincs azon a szinten, hogy autót vagy teherautót irányítson, figyelmeztetőrendszernek viszont kiváló.

Nem volt egyszerű betanítani.

„Három technológiai kulcskérdésre kell válaszolni autonóm járművek tervezésekor: hol vagyok, mi van körülöttem és mi lesz a következő lépésem?” – magyarázza a projektet vezető Roberto Cipolla.

A SegNet a második kérdést igyekszik megválaszolni. A kutatók szintén mélytanulást használó Vizuális Lokalizáció rendszere pedig az elsőt: zsúfolt nagyvárosi jelenet egyetlen színes képe alapján képes rá. Egy kilométeres útszakaszon tesztelték Cambridge-ben, és a GPS-eknél pontosabb munkát végzett.

„Rövidtávon inkább robotoknál, például porszívóhoz fogják használni a technológiát. Autonóm járművekhez idő kell még. Minél hatékonyabb és pontosabb lesz, annál hamarabb terjed el széles körben” – prognosztizál Cipolla.